[发明专利]基于深度学习的无人机自适应斥力系数路径规划方法

说明书

本发明公开了一种基于深度学习的无人机自适应斥力系数路径规划方法，包括以下步骤：首先通过融合遗传算法与人工势场法找出在特定环境下最合适的斥力系数样本集；其次利用该样本集训练残差神经网络；最后通过残差神经网络计算适应环境的斥力系数，进而使用人工势场法进行路径规划。解决了传统的人工势场法不能根据环境具体信息对斥力系数进行调整，而现有的改进方法不能在自适应调整斥力系数的同时兼顾规划效果和规划时长的问题。仿真实验表明，本发明在规划效果和规划时长方面均有优异表现，能很好的满足实际应用中对当前环境的自适应要求和快速规划的要求。

技术领域

本发明涉及无人机路径规划领域，特别是涉及基于深度学习的无人机自适应斥力系数路径规划方法。

背景技术

相较于有人驾驶飞行器，无人机(Unmanned Aerial Vehicle,UAV)有着体积小、成本低、使用灵活、不会造成人员伤亡等优势。随着航空技术与自动化技术的不断发展，无人机在军事、农业、交通、公共管理等领域获得了广泛应用。比如，泥石流、山体滑坡等自然灾害发生时，可以利用无人机安全快速地进行灾情了解；雾霾天气出现时，可以利用携带了催化剂的无人机在空中进行喷洒从而清除雾霾；在交通管制中，无人机可以即时地发现突发事故，实施紧急救援；在军事上，无人机极大地协作了侦察、目标捕获、情报探测等任务的完成。随着无人机的应用场景不断从高空向低空拓展，其飞行过程中遇到障碍物的可能性也大大增加。路径规划(Path planning,PP)是指规划出一条路径，使无人机能够在一定约束条件下从起点出发，在不碰到任何障碍物的情况下安全抵达终点，同时使路程开销尽可能小。因此，路径规划是无人机顺利完成飞行任务中必不可少的环节。

路径规划问题一直是无人机自主飞行领域的研究热点，很多科研人员已经在这方面做了大量工作。根据其研究成果的不同主要分为基于航路规划算法的路径规划方法和基于局部防碰撞算法的路径规划方法。基于航路规划算法的路径规划方法是一种全局的路径规划方法，先规划好飞行路径，再运用航路跟踪制导方法控制无人机沿规划航路飞行。基于局部防碰撞算法的路径规划方法是一种局部路径规划方法，不需要知道起始点和目标点的信息，只需要对实时障碍进行躲避。在实际应用中，以人工势场法为代表的基于局部防碰撞的路径规划算法往往比基于航路的路径规划算法效果更好。基于航路的规划算法在找出最优解的时候需要消耗较多的时间，且不具有实时性，只能在无人机飞行之前进行规划。而以人工势场法为代表的基于局部防碰撞的路径规划算法不需要在无人机飞行之前花费大量时间进行预规划，能够在飞行过程中根据无人机与障碍物的实时位置关系调节无人机的方向和速度。人工势场法虽然有诸如目标不可达、局部极小值陷阱和路径长度过长等问题，但其凭借着实时性的优势也得到了科研人员们的关注。

但是这些基于人工势场法的改进方法中的斥力系数都是根据经验设定的，并且是恒定不变的，不能自适应环境的变化，导致所规划路径存在诸如目标不可达、局部极小值陷阱和路径长度过长等问题。而现有的改进方法不能在自适应调整斥力系数的同时兼顾规划效果和规划时长。

发明内容

针对上述问题，提出了一种基于深度学习的无人机自适应斥力系数路径规划方法，能够兼顾路径的规划效果和规划时长，很好地满足实际应用中对当前环境的自适应要求和快速规划的要求，主要包括以下步骤：

S1：通过融合人工势场法与遗传算法，找出在特定环境下最合适的斥力系数样本集，所得样本集中每个样本包括特定的环境障碍物地图，以及在该环境下最适合的正前方、左方、右方、左前方和右前方5个方向的斥力系数。

S2：利用步骤S1中所获样本集训练残差神经网络，网络的输入为环境障碍物地图，输出为该环境下最适合的正前方、左方、右方、左前方和右前方5个方向的斥力系数。

S3：通过步骤S2中训练得到的残差神经网络计算适应当前环境的5个方向的斥力系数，从而进行路径规划。